| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究的目的和意义 | 第10页 |
| 1.2 国内外啤酒生产控制技术发展现状 | 第10-12页 |
| 1.3 啤酒发酵过程控制方法 | 第12-14页 |
| 1.3.1 PID控制 | 第12页 |
| 1.3.2 模糊控制 | 第12-13页 |
| 1.3.3 神经网络控制 | 第13页 |
| 1.3.4 智能控制算法与PID进行结合 | 第13-14页 |
| 1.4 本文的主要研究内容 | 第14-16页 |
| 第2章 啤酒发酵工艺流程及系统建模 | 第16-23页 |
| 2.1 啤酒生产工艺介绍 | 第16-17页 |
| 2.2 啤酒发酵过程中温度的控制要求 | 第17-19页 |
| 2.3 啤酒发酵过程建模 | 第19-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第3章 BP神经网络PID控制器设计 | 第23-33页 |
| 3.1 BP神经网络 | 第23页 |
| 3.2 BP算法的缺陷 | 第23-25页 |
| 3.3 PID控制器介绍 | 第25-26页 |
| 3.4 BP神经网络PID控制器设计 | 第26-30页 |
| 3.4.1 BP神经网络PID控制器 | 第26-28页 |
| 3.4.2 隐含层节点数的确定 | 第28-29页 |
| 3.4.3 对BP神经网络PID控制器进行改进 | 第29-30页 |
| 3.5 仿真实验部分 | 第30-32页 |
| 3.6 本章小结 | 第32-33页 |
| 第4章 基于遗传算法优化的神经网络PID在啤酒发酵温度控制中的研究 | 第33-44页 |
| 4.1 选用遗传算法优化BP神经网络的权值 | 第33-34页 |
| 4.1.1 遗传优化算法简介 | 第33-34页 |
| 4.2 遗传算法在BP神经网络中的应用 | 第34-37页 |
| 4.2.2 遗传算法操作过程 | 第34-36页 |
| 4.2.3 遗传算法的改进 | 第36-37页 |
| 4.3 大变异遗传算法 | 第37-38页 |
| 4.3.1 大变异遗传算法介绍 | 第37-38页 |
| 4.3.2 仿真验证 | 第38页 |
| 4.4 仿真实验部分 | 第38-43页 |
| 4.4.1 控制器仿真 | 第38-39页 |
| 4.4.2 整体算法优化流程 | 第39-42页 |
| 4.4.3 控制器抗干扰性测试 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章智能控制算法在啤酒发酵温度控制中的实际应用 | 第44-50页 |
| 5.1 微型啤酒生产装置介绍 | 第44页 |
| 5.2 啤酒发酵系统的硬件组成 | 第44-45页 |
| 5.3 发酵温度控制的软件设计 | 第45-48页 |
| 5.4 啤酒发酵实际运行测试 | 第48-49页 |
| 5.5 本章小结 | 第49-50页 |
| 结论与展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 攻读学位期间发表的学术论文 | 第55-56页 |
| 致谢 | 第56页 |